夜雨聆风
「智教说」发现：只有书记、校长或者校办推动知识库建设工作，把责任落实到具体部门和具体岗位，知识更新体系才能保持长期有效。
一、为什么有了AI，老师们还是喜欢在群里问问题？
这两年，高校AI建设越来越热。
智能助手、智能问答、数字员工、知识库平台……不少学校都已经上线了相关应用。有些学校甚至接入了本地部署大模型，希望让老师和学生遇到问题时，不再到处打电话、发微信，而是直接向AI咨询。
但有一个现象却始终存在。
很多老师遇到问题时，第一反应依然是打电话或打开微信问。
比如：
“最新的报销流程在哪里？” “今年职称评审通知出来了吗？” “请假申请表用哪个版本？” “科研经费调整后还需要哪些材料？” “这个表格还能不能用？”
按理说，这些问题完全可以交给AI回答。
可现实中，很多老师宁愿在微信里等待回复，也不愿意直接询问智能助手。
原因其实很简单。
大家担心的从来不是AI不会回答，而是AI回答的内容是不是最新的、准确的、权威的。
如果AI给出的是过期文件、旧版流程或者已经废止的规定，那么答案写得再流畅，也没有实际价值。
因此，高校AI问答助手面临的第一个问题，往往不是技术问题，而是知识问题。
二、高校最重要的知识，其实不在互联网上
很多人认为，AI具有世界知识，联网以后几乎无所不知。
但对于高校来说，真正重要的信息往往并不在网络上，而在学校内部。
老师们每天需要查询的大量内容，包括：
各类规章制度 办事流程 服务指南 表格模板 会议决议 工作通知 岗位职责 管理办法
这些内容共同构成了一所学校运行的“知识体系”。
而且，这些知识始终处于动态变化之中。
今天发布的新制度，可能会替代去年的旧规定；
本学期启用的新流程，可能已经与上学期完全不同；
一个岗位负责人调整后，相关业务对接方式也会随之改变。
问题在于，AI并不会自动知道这些变化。
它只能基于已有资料进行回答。
如果学校知识体系没有同步更新，那么AI即使回答得逻辑严密、语言流畅，也可能是在一本正经地引用过期信息。
所以，对于高校而言：
AI的价值，很大程度上取决于它背后的知识是否准确、是否及时、是否持续更新。
三、高校不缺资料，缺的是统一的知识入口
很多高校都有一个共同特点：
资料很多，找资料却很难。
同一份文件，可能同时存在于：
学校门户网站 部门共享盘 学院网盘 微信群 QQ群 邮件附件 个人电脑
随着时间推移，文件越来越多，版本也越来越多。
于是老师们经常会遇到这样的情况：
搜到三份同名文件，不知道哪个是最新版； 找到一个表格，不确定还能不能继续使用； 同一项业务，不同渠道给出的解释不一致； 查找一个常用文件，需要翻找半天聊天记录。
从表面看，这是文件管理问题。
实际上，这是知识管理问题。
高校真正缺少的，并不是资料数量，而是统一、权威、可信的知识入口。
因为只有当全校师生查询到的都是同一个版本、同一个口径、同一个答案时，AI才能真正发挥作用。
否则，AI只是把原本分散混乱的信息重新组织一遍而已。
四、知识库容易建，但很难一直“活着”
这些年，随着各类AI平台和智能体平台的发展，建设各类知识库已经不再是一件困难的事情。
上传文件、建立索引、配置问答，很多平台都能快速完成。
从技术角度看，校级和部门级知识库建设的门槛已经越来越低。
但现实情况是：
很多学校的问题从来不是建不起来，而是建完之后没人维护。
项目启动时，往往热情高涨。
办公室整理制度文件；
教务处梳理教学流程；
人事处汇总政策文件；
各学院提交业务资料。
短时间内，各类知识库内容丰富、覆盖全面。
但随着项目验收结束，维护工作逐渐被忽视。
新的制度出台了，没有同步更新；
旧的文件废止了，没有及时下架；
业务流程调整了，没有重新上传；
负责人变更了，没有更新联系方式。
半年以后，知识库还在。
AI问答助手也还在。
但它回答的，可能已经不是今天的学校，而是半年前的学校。
这时候大家往往会得出一个结论：
“AI问答助手不好用。”
实际上，真正失效的并不是AI问答助手，而是知识库。
一个长期不更新的知识库，本质上只是电子档案室。
它能够记录过去，却无法支撑当下。
五、知识管理不是信息中心的“独角戏”
在很多高校，知识库建设通常由信息中心负责推动。
这种分工从技术上本身没有问题。
平台部署、系统维护、功能开发，本来就是信息中心的专业领域。
但知识内容的更新，却不是信息中心能够独立完成的。
原因很简单。
信息中心懂技术，却不可能第一时间掌握所有业务变化。
例如：
教务处调整培养方案； 人事处更新职称评审办法； 学工处修改奖助学金政策； 后勤处优化报修流程； 科研处调整项目管理要求。
最了解这些变化的，永远是业务部门自己。
如果所有知识更新工作都依赖信息中心被动收集，那么信息滞后几乎不可避免。
因此，知识管理不能成为信息中心的单兵作战。
更合理的做法应该是：
谁制定制度，谁负责更新；
谁产生知识，谁负责维护；
谁主管业务，谁负责内容准确。
六、很多学校最大的难题，不是建知识库，而是让知识持续更新
这些年，不少高校已经意识到知识库的重要性。
问题在于，知识库建成以后，如何长期运行？
这是很多学校面临的共同挑战。
因为知识更新本质上是一项管理工作，而不是技术工作。
现实中，各部门往往更关注业务本身：
文件发出去了；
工作完成了；
会议结束了；
任务落实了。
却很少有人进一步思考：
新文件是否进入知识库？ 旧文件是否已经失效？ 相关流程是否需要同步更新？ 全校师生是否还能查到正确版本？
如果没有明确机制，这些工作最终只能依赖个人自觉。
而任何依赖自觉的工作，都很难长期坚持。
因此，高校知识建设真正需要解决的，不是平台问题，而是机制问题。
例如：
建立知识更新责任人制度； 建立版本管理制度； 建立审核发布流程； 建立过期内容清理机制； 建立定期巡检机制； 将知识维护纳入部门日常工作流程。
只有这样，知识库才能真正保持活力。
只有书记、校长或者校办推动这个工作，把责任落实到具体部门和具体岗位，知识体系才能保持长期有效。
七、未来高校比拼的，不是谁部署的大模型更强，而是谁的知识体系更好
当前，高校都在积极推进人工智能建设。
接入大模型、上线智能助手、开发应用场景，已经成为数字化建设的重要方向。
但从长远来看，真正决定AI应用效果的，未必是模型能力。
因为模型之间的差距正在不断缩小。
今天领先的功能，可能很快就会成为行业标配。
而真正难以复制的，是一所学校长期积累形成的知识体系。
谁能够持续沉淀知识；
谁能够持续更新知识；
谁能够保证知识准确权威；
谁能够让知识方便共享；
谁就能够让AI持续发挥价值。
归根结底：
AI只是知识的使用者。
知识体系才是智慧校园真正的底座。
对于大多数高校而言，AI落地最重要的一步，也许并不是采购更先进的大模型，不是建设更多智能应用，更不是上线更多功能模块。
而是先回答一个最基础的问题：
学校里的知识，是否有人负责整理？是否有人负责更新？是否能够让所有人方便地找到？
如果这个问题解决了，AI大模型的价值自然会逐步显现。
如果这个问题没有解决，那么再先进的AI大模型，也很难真正改变校园运行方式。
未来高校数字化建设的竞争，或许比拼的不是谁拥有更强的AI大模型，而是谁拥有更完善、更持续迭代的知识体系。
而这，恰恰是很多学校最容易忽视，却最值得投入精力的基础工程。
